Gemma 4: Googleのオープンウェイトファミリーの全サイズを解説

調べるべき単一の Gemma 4 は存在しない。DeepMind の現在のオープンウェイト系ラインナップは、Gemma 4 E2B、Gemma 4 E4B、Gemma 4 12B、Gemma 4 26B A4B、Gemma 4 31B という5つの別々のモデルで、2つのアーキテクチャと2つのコンテキストウィンドウ階層にまたがっており、多くの読者が最初に抱く疑問について互いに見解が一致していない。5つのうち3つは音声を受け付ける。2つは受け付けない。5つのうち2つは API 経由で呼び出すタイプのモデルで、12B はダウンロードするタイプだ。サイズを間違えることが、このファミリーで週末を無駄にする最も一般的な方法であり、ベンダー自身のハブには、その区分を一目で明らかにするものは何もない。

そのギャップは測定可能であり、このページが存在する理由でもある。当社自身の Search Console データ（2026-09-15～2026-10-12）では、Gemma 4 ファセットは47件のクエリで499インプレッション、5クリックを集めた。素の語、つまり誰かが単に「gemma 4」と入力しただけのものは、2件のクエリで24インプレッション、クリックはゼロだった。この界隈全体で最大の6つのクエリはすべて比較であり、そのどれもが Qwen 3.8 モデルとの比較だ：gemma 4 vs qwen 3.8（99インプレッション）、gemma 4 vs qwen3.8（40）、gemma 4 vs qwen 3.8 27b（29）。そしてライブブログはすでに 12B の対戦を長々と答えている——3つの gemma-4-12b-vs-* 比較がそのモデルを先頭に据え、さらに40件が versus の反対側でそれを扱っている。そのどれもが、同じエンコーダフリーの Gemma 4 12B を異なる対戦相手にぶつけている。読者が尋ねているのは Gemma 4 とは何かではない。何かに勝てるのかどうかだ。その問いは比較ページに属する。比較に必要なもの——そしてまだ書かれていないもの——は、Gemma 4 とは何か、どのサイズが存在するのかを正確に述べる単一の場所である。

Gemma 4とは実際に何なのか

Gemma 4はDeepMindのオープンウェイトモデルファミリーで、事前学習済みと指示チューニング済みの両方の形式で公開されており、指示チューニング済みチェックポイントには-it接尾辞が付いています。このファミリーはdense型とMixture-of-Experts型の設計、5つのサイズ、および共通する一連のアーキテクチャ上の選択を包含します。すなわち、局所的なスライディングウィンドウ注意と完全なグローバル注意を交互に組み合わせ、最終層は常にグローバルとするハイブリッド注意、グローバル層における統合されたキーと値、および長文脈メモリを抑えるための比例RoPE、262,000トークンの語彙、構成可能な思考モード、ネイティブの関数呼び出し、そしてsystemロールのネイティブサポートです。モデルカードによると、これらのモデルは140以上の言語で事前学習されており、そのうち35以上がそのままサポートされています。

家族についての2つのことが、performanceが話題に上る前にほとんどの読者を決める。

まずはライセンスです。ファミリー内のすべての Gemma 4 のサイズは Apache 2.0 の下で提供されます。これは姿勢の変化です。Gemma 2 と Gemma 3 のリリースではカスタムの Gemma Terms of Use が採用されており、Hugging Face 上のそれらのモデルカードには今も次のように書かれていますlicense: gemma。Gemma 4 のカードは代わりに Apache 2.0 ライセンス文書を指しており、発表記事ではこのファミリーを「商用利用が許容される Apache 2.0 ライセンスの下でリリース」と説明しています。これまで Gemma Terms of Use について検討する必要があった人にとって、これがこのページの見出しとなる事実です。これはサイズごとに適用され、各サイズ自身のモデルカードに明記されています — ファミリーレベルの主張から推測されるものではありません。

第二に、「Gemma 4」は単一のモデルではなく、各サイズが互いを拡大コピーしたものでもない。E2BとE4BはPer-Layer Embeddingsと呼ばれる仕組みを使っており、各デコーダー層がトークンごとに独自の小さな埋め込みテーブルを持つ。これらのテーブルは大きいが、参照による読み取りしか行われない。だからこそモデルカードには、埋め込みを含む合計（5.1Bと8B）をはるかに下回る実効パラメータ数（2.3Bと4.5B）が記載されている。12Bはアーキテクチャ上異色で、エンコーダーを持たず、生の画像パッチと音声波形を、専用の視覚・音声エンコーダーを介するのではなく、軽量な線形層を通してトランスフォーマーへ直接投影する。31Bは従来型の密なモデルだ。26B A4Bは疎である。4つの異なるマシンプロファイル、1つのファミリー名。

サイズマップ

以下は、このファミリーをそのモデルカード自体が説明しているとおりに示したものです。以下のパラメータ、レイヤー数、コンテキストウィンドウは、Gemma 4 のモデルカードにある dense および MoE の仕様表から読み取ったものです。

Gemma 4 E2B. 最小のメンバー：実効パラメータ数2.3B、埋め込みを含めると5.1B、35層、512トークンのスライディングウィンドウ、128Kコンテキスト。テキスト、画像、音声を扱い、視覚エンコーダのパラメータはおよそ150M、音声は約300M。スマートフォンやIoTデバイス向けに作られており、今回ベンダーが個別ページを用意した3つのサイズのいずれかではありません。E2Bを目的にここに来たのであれば、このセクションがそのすべてです。

Gemma 4 E4B.同じ設計の一段上のモデルです。実効パラメータ数4.5B、埋め込みを含めると8B、42層、512トークンのスライディングウィンドウ、128Kコンテキスト、そして同じエンコーダサイズでテキスト、画像、音声のカバレッジも同じです。これもエッジモデルで、ここに専用ページもありません。

Gemma 4 12B。 ファミリーの統合型でエンコーダー不要の中間モデル：11.95Bパラメータ、48層、1,024トークンのスライディングウィンドウ、256Kコンテキスト、そしてテキストと画像に加えてネイティブ音声対応 — 2026年6月3日のローンチ投稿では、音声を扱う初の中規模Gemmaとされている。ベンダー自身がローカル展開向けに挙げているのは、16GBのVRAMまたは統合メモリだ。このバッチでは専用ページを持ち、今日、このファミリーのライブ検索での存在は3つのgemma-4-12b-vs-*比較だけなので、そのページの重要度は高い。

Gemma 4 26B A4B. スパースモデルであり、このページの以下の表記セクションで扱うモデルでもある：総パラメータ数25.2B、30層、1,024トークンのスライディングウィンドウ、256Kコンテキスト、テキストと画像のみ（音声なし）、128個中8個のアクティブエキスパート＋1個の共有エキスパート。このバッチでは専用のページが用意されている。

Gemma 4 31B. 高密度なラインナップの最上位：30.7Bパラメータ、60層、1,024トークンのスライディングウィンドウ、256Kコンテキスト、テキストと画像に対応し、約550Mのビジョンエンコーダを備え、音声は一切なし。このバッチでは専用のページが用意されています。

5つを横に並べると、階層分けはある点では明確で、別の点では乱れている。コンテキストウィンドウはサイズに正確に対応している——12B未満は128K、12B以上は256K。オーディオはそうではない。最小の2サイズと12Bで利用でき、最大の2サイズにはない。音声入力が必要なら、ハードウェアにいくら費やしても31Bは誤った選択だ。

26B A4B の「A4B」を解読する

その名前には 2 つの数値が含まれていますが、メモリ計画に使うパラメータ数として意味を持つのはそのうちの 1 つだけです。26B は合計値で、25.2B のパラメータがチェックポイントに存在します。A4B はアクティブ数です。推論中、1 トークンあたりおよそ 3.8B のパラメータが使用されます。これは mixture-of-experts ルーターが各トークンに対して 128 個のエキスパートから 8 個（および 1 個の共有エキスパート）を選択するためです。モデルカードには「A」について明記されています。「26B A4B の『A』は、モデルに含まれるパラメータの総数とは対照的に、『アクティブパラメータ』を意味します。」

それで得られるのは、26Bモデルよりも4Bモデルに近い推論速度であり、品質は密な31B寄りだ——カード自身の説明であり、26B A4Bが階層として存在する理由でもある。ただし、得られないのは小さなダウンロードサイズだ。25.2Bのパラメータをすべて読み込む。ただ、そのすべてに対して乗算するわけではない。

オープンウェイト、サイズごとの内容、そしてライセンスが許可するもの

5つのサイズはすべてオープンウェイトのリリースであり、5つのモデルカードはすべて Apache 2.0 を明記している — E2B、E4B、12B、26B A4B、31B も同様に。ローンチ記事では、このファミリーを「商業的に許容される Apache 2.0 ライセンスの下でリリース」と説明しており、これにより開発者はデータ、インフラストラクチャ、モデルを管理できる。また、12B の記事では、そのサイズについて Apache 2.0 の記述が繰り返されている。

ここでのライセンスの話は Apache 2.0 で尽きています。ただし、それが何を意味するかは正確に述べておく価値があります。というのも、それはライセンスが答える問いであり、何らかのホスト型サービスについての表明ではないからです。Apache 2.0 は、永続的、全世界的、非独占的、無償の著作権ライセンスと、それに対応する特許許諾を付与し、再配布と改変を認め、ライセンス本文が作品に伴って移動すること、および変更されたファイルが明示されることを要求します。特許許諾は、作品に関して特許訴訟を提起すると終了します。慣習的な記述的使用を超える商標権は付与せず、保証を否認します。Gemma 2 および 3 の利用規約と照らして読むと、実務上の違いは、Apache 2.0 が標準的な許容型ライセンスであり、重みに付随する別個の利用許容スケジュールがないことです。

つまり、このライセンスはこれらの重みの再配布、商用利用、改変、ファインチューニングを許可しており、重み自体も公開されています。ライセンス本文が述べているのは、まさにそれだけです。特定のサービスが本番環境のモデルで生成するものは別問題であり、そのサービス自身の規約に従うもので、Apache 2.0 の許諾によるものではありません。

ダウンロード形式：「QAT」とGGUFリポジトリがあなたにとって何を意味するか

これは実際にトラフィックが付いている読者からの質問なので、他の場所へのポインタではなく、ここで回答します。ベンダーはファミリー全体について量子化考慮学習（QAT）済みのチェックポイントを提供しており、あなたのマシンには大きすぎるように見えるサイズが実はそうでないことが多いのは、そのおかげです。

• QATチェックポイントは、すべてのサイズについて複数のフォーマットで公開されています：qat-q4_0-ggufはllama.cpp系のローカルランタイム向け、qat-w4a16-ctは4ビット重み／16ビットアクティベーションのサービング向け、そしてqat-q4_0-unquantizedは、パッキングなしでQAT学習済みの重みをそのまま含むバリアントなので、自分で量子化できます。

• Gemma のページでは、QAT を「モバイルとラップトップの効率化のためのモデル圧縮」と説明しており、日付は2026年6月——12Bが登場したのと同じ月である。

• フォーマットをサイズに意図的に合わせましょう。E2B、E4B、12Bにはqat-q4_0-ggufビルドがあり、スマートフォン、ノートPC、単一のコンシューマーGPUを対象としています。26B A4Bと31Bにも4ビットビルドがありますが、これらは実メモリを搭載したマシン向けのサービング側量子化であり、スマートフォン向けではありません。

また、-assistantバリアントもファミリー全体に存在します。これらはベンダーがモデルとともに提供するマルチトークン予測ドラフターです。deepmind.com の Gemma ページでは、このドラフターの取り組みは2026年5月とされています。これは投機的デコーディングのための高速化手法であり、別のモデルではありません — メインのチェックポイントは依然として必要です。

ハードウェア上で各サイズがどこに位置するか、そしてそれらのコスト

このファミリーの発表記事では、より大きな2つのモデルを、量子化されていないbfloat16重みとして「単一の80GB NVIDIA H100 GPUに効率的に収まる」と説明している。30.7Bパラメータでは、31Bはbfloat16で60GBを少し超え、これはその文の妥当な解釈だ。26B A4Bは、総パラメータ数25.2Bで、bfloat16では約50GBになるが、3.8Bというアクティブ数が示唆する速度で動作する。

12Bは、ベンダーがローカル利用向けとして明確に売り込んでいるサイズだ——2026年6月のローンチ記事によれば、「わずか16GBのVRAMまたはユニファイドメモリだけでローカル実行できるほど小さい」とされ、そのメモリ予算に収めるための明白な手段として4ビットQAT GGUFビルドがある。それは特定の構成に関するベンダーの主張であり、あらゆる量子化レベルについての一般的な約束ではない。

価格について正直に言えば、このファミリーは同時に2つのコストモデルにまたがっています。セルフホストする場合、コストはGPUと電気代です。ホスト型エンドポイントを呼び出す場合、トークンあたりの価格はそれを提供している事業者が設定し、このファミリーのほとんどではその数字はプロバイダーによって変動します。独立系評価機関のArtificial Analysisは、Gemma 4 12B（Reasoning）を入力100万トークンあたり$0.10、出力100万トークンあたり$0.30と掲載しています。そして同じページに、そのバリアントには「公開されているAPIはない」という注記を付けており、これはこのファミリーのどのサイズが実際に世の中でホスト型エンドポイントを持つのかについての有用な独立したシグナルです。

ベンダーベンチマーク、ラベル付き

以下の数値はベンダー自身によるもので、Gemma 4 のモデルカードで公開されているものであり、ここでは再現していません。これらは指示チューニング済みモデルを比較したもので、前世代のベースラインとして Gemma 3 27B（no think）を用いています。

• 推論 — MMLU Pro：31B 85.2%、26B A4B 82.6%、12B 77.2%、E4B 69.4%、E2B 60.0%、Gemma 3 27Bの67.6%に対して。

• 競技数学 — ツールなしのAIME 2026: 89.2% / 88.3% / 77.5% / 42.5% / 37.5%、ベースライン 20.8%。

• コード — LiveCodeBench v6: 80.0% / 77.1% / 72.0% / 52.0% / 44.0%、ベースライン 29.1%。Codeforces ELO: 2150 / 1718 / 1659 / 940 / 633、ベースライン 110。

• 科学 — GPQA Diamond: 84.3% / 82.3% / 78.8% / 58.6% / 43.4%、ベースライン 42.4%。

• エージェントタスク — Tau2、3回の実行の平均：76.9% / 68.2% / 69.0% / 42.2% / 24.5%、ベースライン16.2%。

• 長いコンテキスト — MRCR v2、128kでの8ニードル: 66.4% / 44.1% / 43.4% / 25.4% / 19.1%、ベースライン13.5%。この行こそ、31Bをその兄弟モデルたちから最も鮮明に区別するものである。

• ビジョン — MMMU Pro: 76.9% / 73.8% / 69.1% / 52.6% / 44.2%。MATH-Vision: 85.6% / 82.4% / 79.7% / 59.5% / 52.4%。

• 文書解析 — OmniDocBench 1.5 の平均編集距離（低いほど良い）：0.131 / 0.149 / 0.164 / 0.181 / 0.290。

ローンチ記事にあるベンダーの主張のうち2つは、測定値ではなくランキングであるため、表とは分けて扱う価値がある。ベンダーは31Bを「世界で3番目のオープンモデル」、26B A4Bを「6位」と表現している。これらは、ベンダーが自ら選んだモデル群に対するベンダー自身の位置づけだ。モデルカードには、12Bの音声スコアが中国語を除外していることも記録されている。そして、ベンチマークでも価格でもない数字が1つある。2026年6月の12B投稿では、Gemma 4モデルが「1億5,000万ダウンロードを超えた」と述べられている。これは独立した監査が付随していない、ベンダー報告の数字だ。

このファミリーについて見つかった独立系スコアは1つだけだった。Artificial AnalysisはGemma 4 12B（Reasoning）を、そのIntelligence Indexで14と記載している — 明示的に推定値とされており、独立した評価はまだこれからで、141中20位 — 併せて毎秒110.9出力トークン、最初のトークンまで2.49秒という数値も示している。そのインデックスページには、より大きなサイズのGemma 4について測定済みスコアは掲載されていない。上の表全体はベンダー自身によるものとして扱い、12Bの14は、これまでのところこのファミリーで唯一の測定データポイントであり、それ自体も暫定的なものとして扱うこと。

対応しているGemma 4のメンバー

OrcaRouterは3つのGemma 4エントリを提供しており、それらは本日のライブリストに掲載されています：

• google/gemma-4-26b-a4b-it — インストラクションチューニングされたスパース26B A4Bで、当社のカタログでは総パラメータ数25.2B、トークンあたり3.8Bを活性化、262,144トークンのコンテキストを持ち、テキスト、画像、動画の入力を受け付けます。定価は入力100万トークンあたり$0.06、出力100万トークンあたり$0.33、キャッシュされた入力の読み取りは100万トークンあたり$0.0075です。

• google/gemma-4-31b-it — 指示チューニング済みの高密度31Bモデル、30.7Bパラメータ。定価は入力トークン100万あたり0.13ドル、出力トークン100万あたり0.38ドル。

• obsidian/gemma-4-26B-A4B — 同じスパース26B A4BのObsidianホスト版ビルドで、262Kトークンのコンテキストとテキストおよび画像入力に対応し、提供元によって創作執筆、ロールプレイ、長文コンテキストのアシスタント業務向けに位置付けられています。定価は入力100万トークンあたり$0.25、出力100万トークンあたり$2.90です。

3つのうち2つは、異なるプロバイダーが提供する同一のベースモデルであり、これは珍しい話ではなく、ルーティング層にとってこそ有用なケースです。あるプロバイダーが劣化しても、コードを変更することなく同じリクエストがもう一方のIDにフェイルオーバーします。そして、私たちはプロバイダーの定価を0%のマークアップでそのまま流しているため、これら3つのいずれかでホスト型の値下げがあれば、再価格設定サイクルを待つことなく、実施されたその日にあなたのもとへ届きます。26B A4Bの2つの項目は、どちらか一方をデフォルトにする前に価格差を確認する価値がある理由を最も明確に示す例でもあります。同じアーキテクチャで動作する2つの項目の間に、入力で4倍、出力で8.8倍の差があるということは、モデルの選択ではなくルーティングの判断なのです。

一つ欠けているものがあり、それはほのめかすのではなく率直に述べておく価値がある。私たちのリストには、どの表記であっても 12B の id は存在しない。このファミリーで最も多くの公開ページがあり、最も比較需要が高いサイズこそ、まさに私たちが提供していないものだ。したがって、12B をホスト型エンドポイント経由で使いたいなら、ここはそれを手に入れる場所ではない — そして、このファミリーのエンコーダーフリーで音声対応の 16GB クラスのメンバーが欲しいなら、オープンウェイトをセルフホスティングするのが計画すべき道だ。

何が未解決なのか

読者が確定事項として扱うべきでない3点がある。第一に、ベンチマーク表はすべてベンダー報告であり、このファミリーについて利用可能な唯一の独立した数値は、1つのサイズに対する推定Intelligence Indexスコア1件だけである。第二に、このファミリーへの需要は単体用途というよりほぼ完全に比較用途であり、当社データにおけるGemma 4ファミリーのインプレッションの73%はクエリ由来で、上位6件はすべてQwenとの比較である。つまり、読者が実際に求める答えは、まだ測定中の比較対決に依存している。第三に、ベンダー自身のハブには、その後、このファミリーに近い名前を持つ隣接モデルが生えている。Gemma 4を基盤としたDiffusionGemma、マルチトークン予測ドラフター、そしてEmbeddingGemma 2である。これらは別モデルであり、Gemma 4のサイズ違いではない。サイズ比較に混ぜるとナンセンスな結果になる。

利用可能性

5つすべてのサイズ — E2B、E4B、12B、26B A4B、31B — の重みは、Apache 2.0 の下で公開されており、事前学習済みおよび指示チューニング済みの形式で、QAT および GGUF ビルドも併せて、ベンダー自身の配布と通常のモデルリポジトリを通じて入手できます。ホスト型エンドポイントでは、ラインナップはプラットフォームによって異なり、このファミリーではそのばらつきは通常より大きくなっています。5つのサイズのうち3つは当社のライブリストに掲載されていますが、12B は当社のリストには掲載されておらず、少なくとも1つの独立系評価者は、それに対する公開利用可能な API がまったく存在しないと記録しています。ファミリー名がそのサイズをカバーしていると想定するのではなく、必要な特定のサイズについて、使用するプラットフォームのライブカタログを確認してください。